C++ 提速的新发现

雷达 · 发表于 2022-9-24 22:54:26

C++ 比 Octave 慢好多，怎么破？

自相关两层循环，内层循环涉及浮点数计算，试验了一下把内层循环内部全都 comment out 只留个壳子, 但空的内层循环本身就把速度拉下来了，看来问题并不在浮点计算。

速度优化问题真的很有意思啊。

欢迎大家继续讨论

数值分析 · 发表于 2022-9-24 23:04:16

拉下来？拉多少？
把代码贴上来看看？

难道分支预测不准破坏流水线执行？不该啊。

沉宝 · 发表于 2022-9-24 23:15:41

会不会代码本身的缺陷阻止了自动优化？另外，硬件配置和开发环境可能也有关系。

风雨无阻 · 发表于 2022-9-24 23:33:02

Maybe Debug mode?

雷达 · 发表于 2022-9-24 23:54:10

本帖最后由雷达于 2022-9-24 23:57 编辑

数值分析发表于 2022-9-24 23:04
% }7 V% }7 y& h: T2 p拉下来？拉多少？
- i5 j# H/ J9 s. [ a& y5 D$ R把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
comp temp, xtimesy;
xtimesy.re = 0;
xtimesy.im = 0;
int j0 = lenB - 1;
int i, j, i1, reali;
if (lenA % 2 == 1)
reali = lenA + 1;
else
reali = lenA;
reali /= 2;

int nconv = reali + lenB;
//#pragma omp parallel for
for (i = reali; i < nconv; i++)
{
temp.re = 0;
temp.im = 0;
i1 = i;
for (j = j0; j >= 0; j--)
{
/* floating date operation */
}
}
}

xcorr函数代码如上，comp是复数struct, 做过长度为11、19两个矢量的测试，和octave结果完全一样

红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
现在call xcorr 100次，耗时78s.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

雷达 · 发表于 2022-9-25 00:17:17

风雨无阻发表于 2022-9-24 23:334 ]/ w" ~( A( N% E
Maybe Debug mode?

不应该，看我上面的回复。

我更怀疑是 VS 社区版的问题

数值分析 · 发表于 2022-9-25 00:20:10

本帖最后由数值分析于 2022-9-25 00:24 编辑

雷达发表于 2022-9-24 23:548 P; E/ G$ ` p8 u& G
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
! C+ H( y2 g/ m% W9 y$ ^2 B{
; F8 r( W6 b4 ?( s" T0 l comp temp, xtimesy;

这个不是这么比的吧。。。

您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个，慢个几十倍不是正常的么？

雷达 · 发表于 2022-9-25 00:46:56

本帖最后由雷达于 2022-9-25 01:09 编辑

数值分析发表于 2022-9-25 00:20
; S2 E& E, s6 |- T2 d4 Q- ]$ K这个不是这么比的吧。。。
* t0 `% t9 _' I7 R9 u* w
. e4 G- P% l- A; P1 ]您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

有道理。
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，记得 numeric 库里有算向量内积的，我回头试试。

我先尝试尽量用标准库，一个小程序，不想搞得太复杂。多谢了

沉宝 · 发表于 2022-9-25 01:27:53

雷达发表于 2022-9-25 00:46
8 Y. M2 y+ B" X8 c d. b有道理。
1 g9 n0 b A0 b所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，这大 ...

你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子，把循环本身翻译成机器指令loop或dec/jnz，两者速度上会差很多
Why is the loop instruction slow? Couldn't Intel have implemented it efficiently?

沉宝 · 发表于 2022-9-25 01:48:51

数值分析发表于 2022-9-25 00:20
G3 G' }% ^/ b- f4 w这个不是这么比的吧。。。" S$ n2 F: u- @( D5 Z3 { f5 d

2 Y: b- |* m) |3 r; i) l您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果循环这样跑，花不了多少时间。

数值分析 · 发表于 2022-9-25 02:06:44

本帖最后由数值分析于 2022-9-25 02:16 编辑

沉宝发表于 2022-9-25 01:484 U" f3 }% \/ Z+ i5 U5 }, a$ t
现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果 ...

是的，兄台说的对。

其实我想说的是真正数值计算部分和代码中其他不直接计算的overhead的比值这个事儿。

雷达兄构造测试用例的时候，屏蔽掉了所有计算的部分，使得剩下的都是overhead，这样run time比较的结果就显得好像不合理了。如果把计算加回去，计算部分的run time会dominate，结果就不那么离谱了。因为不好说，所以用指令数对比的方式试图直观地说明这一点。

比如说，如果有计算，那么跑六千个循环相对于计算应该用不了多少时间。但是如果一边是什么都不做，另一边是六千个循环，那六千个循环比什么都不做慢几十倍了，就不是那么不合理了。

当然也有可能像兄台说的，是优化参数的问题，但我觉得更多地是测试用例设计的不合理。

雷达 · 发表于 2022-9-25 04:47:43

本帖最后由雷达于 2022-9-25 04:49 编辑

沉宝发表于 2022-9-25 01:27
0 s+ a4 k6 k6 a3 d* @# o# T你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子 ...

又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差一倍，我上面这个差的太多了。

我已经完全懵了。

沉宝 · 发表于 2022-9-25 05:51:23

雷达发表于 2022-9-25 04:47/ S4 \7 Q1 _+ s; ~( x1 M
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

时间差一倍的结果可以接受。

你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析 · 发表于 2022-9-25 14:58:59

本帖最后由数值分析于 2022-9-25 15:38 编辑

雷达发表于 2022-9-25 04:475 \' q5 k ]7 `' n6 E4 q* Q
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

能不能把这个也贴上来，看看和上一个有什么不同？

雷达 · 发表于 2022-9-26 01:30:03

本帖最后由雷达于 2022-9-27 01:17 编辑

数值分析发表于 2022-9-25 14:58& t/ c( w0 W9 {/ \. r, {5 ~3 T _6 ~6 j
能不能把这个也贴上来，看看和上一个有什么不同？

理了理思路，重新做了一个测试。
做了两个 vector 和两个 float *, 都长 100000
外循环 6000，里面先做随机数生成，模拟真实环境，避免数据的 cache.

内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s

你昨天说的对，内循环本身占比是很小的，大头在其他处理。
另外可以看到， float * 循环点乘累加并不差，比用vector 还更快。

至于我那个原始程序，还有一些疑问，见5楼，其他都不变仅仅是有无空的内循环就有很大不同，这是不对的，也许有一些其他缺陷我没有看到。（也许可以改成 while 试试）

（为什么下面我贴的 b1 加方括号里的 i , 显示出来却是 b1 ？方括号 i 消失了。 LOL . 改成 jj 好了，原来方括号里的 i 是斜体标志 LOL）

      std::vector < float > vec1(N);7 @4 j5 h4 q0 @/ B( Q# b! f$ ~
      std::vector < float > vec2(N);6 p/ c4 S) N4 y0 R% b: G* N- m
      float* b1 = new float[N];7 o1 M+ b' P+ s2 I( d' q$ Q
      float* b2 = new float[N];
# {1 L- _+ A& u# S: `8 `+ \3 ^# e
& z6 G  v! L0 V       for (int j = 0; j < 6000; j++)
8 t# e) R& d1 X  n       {
8 L4 D) x1 B1 R3 W             std::generate(vec1.begin(), vec1.end(), []() {
  a& N, N& z2 L$ f- N                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;4 G* Q* E! A# ]$ s; M
                     });+ j- M% Y: r3 Q  H% W' L: u' s" j
$ F6 u/ D! t- R" D
            std::generate(vec2.begin(), vec2.end(), []() {- m: G, E# Q* x! y: V% X* x
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;
- Q& Q7 E- v! L                      });
. n3 l$ A  }1 K% P5 D# A
: f3 K5 x9 H5 R5 e0 t/ N             for (size_t jj = 0; jj < vec1.size(); jj++)
( d2 y1 g- i2 ]$ g  X9 q4 l2 C             {
# I/ @% H: j. X+ }1 R                      b1[jj] = vec1[jj];- k9 q+ y7 L7 t  H% t
            }
. X1 N, Q( [4 y- [
# J% V  k5 l5 [4 f) J3 E7 B             for (size_t jj = 0; jj < vec2.size(); jj++)
. _0 U/ G- z, R1 K+ F             {
5 `& M, |; c! G# E8 m6 K                      b2[jj] = vec2[jj];
2 ~( U. ^% g7 y             }
1 _( C; u; H& L, Q
" Q6 Q; Y, r' f" X+ E& H$ O             //Method - 1  N=100000 247s  ; Y& S- o5 @8 X
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
# A7 |- w; p* w7 a* Z+ x7 l" C                               4 m! f; K2 A9 y) w$ }) M, j
            //Method - 2  N=100000  237s
1 `  s6 ^6 i( r! y             /*
3 B1 W3 a: H8 N; e             for (int jj = 0; jj < N ; jj++)+ u9 i0 h. y0 E- f% S3 {
            {
3 e- @( v  T% Y/ S1 I4 o' l4 h0 u3 E                      fresult += vec1[jj] * vec2[jj];
& |8 @+ i0 Y/ i/ g             }1 m' T" p# v$ H- I6 ^$ A
            */% a+ m  C& a' _% `# w, a: \- B

, q/ F8 v, Z  [  a/ N' e+ Y1 A0 z             //Method - 3  N=100000 204s
- y7 Q0 v8 H: I( w" e$ _8 G             /*
3 B. t2 s: {$ p2 E+ d+ g             for (int jj = 0; jj < N; jj++)
5 V; k( w* D2 C0 A             {
2 @& v2 X; B5 o                      fresult += b1[jj] * b2[jj];
; r6 Z; _. i- n) a             }
$ ~* x6 O1 O5 r/ p: {% z             */5 g. f% {7 b, Q6 {
9 v( F' z  R. q
            //Method - 4 202s
) H# u) T1 H6 H  C  g             /** ^9 h  O0 ]# M/ ~. J; w
            for (int jj = 0; jj < N; jj++)
$ ]  M3 F6 n4 J4 U4 L             {9 b0 m* p( d; c+ P, [5 s" C6 K; _/ |( }
                     ' |6 n$ n# z' F' w5 z. `, B7 F
            }: B5 G' d! I- v5 ^& \
            */1 d2 ?! z  Y) J, L
            //comment out all methods, N=100000  202s             ; S5 J( n8 |' Q
      }
3 O6 |7 g1 U3 `% U4 ]& Q5 y
% C; T0 V2 n3 p       delete []b1;/ ?. y% E- A3 G/ l- ]$ i' R" M) U3 ^0 a
      delete []b2;

机器猫 · 发表于 2022-9-27 00:15:38

瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？

你第二个试验里面的j在循环里面又重新定义了啊，你确定真的跑了6000次？

雷达 · 发表于 2022-9-27 01:16:03

机器猫发表于 2022-9-27 00:15$ y3 b: a, J9 Y& s' v5 Z+ [9 C7 W/ y
瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？
8 Z2 w) c& f" F; R' F& f- m$ a7 L' x5 `" [
你第二个试验里面的j在循环里面又重新定义 ...

内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL

不和它较劲了，瞎耽误工夫，我已经转到 ubuntu, 也准备顺便试试 avx2 向量化。

机器猫 · 发表于 2022-9-27 02:06:58

雷达发表于 2022-9-27 01:16
# p6 T+ \. X; [内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL) U- J. d) [- C, l# C! v
4 ]8 e( T. K: n+ @2 J4 d
不和它 ...

不过可以试试我说的register变量。前一个试验j是混在一堆其它变量里一起定义的，很有可能是在stack上，这样内存读写会更多，要是再碰上每次都需要加载cache就更慢了。
后面一个是在循环那里定义的，说不定编译器就把它优化成register变量了

opensrc · 发表于 2022-9-27 07:25:57

一个无关问题，为什么爱坛的帖子里在我这里有好些奇怪的东东在里面，是防拷贝措施吗？

雷声 · 发表于 2022-9-27 20:29:50

雷达发表于 2022-9-24 23:540 R- t) Q8 K! F" u# m3 P* X% H
void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
1 r3 @3 t8 h3 N2 y/ B{: D: G% S- c4 M7 n
comp temp, xtimesy;

这个code里面如果Openmp没有被注释掉的话，那么temp那个变量应该是定义在循环里面，否则线程之间会存在争夺写入那个temp的风险。
内层for循环如果没有内部操作的话，编译时应该被优化掉了，和你完全注册掉整个循环是一回事。可能你的编译设置没有打开优化？
VS社区版没有问题，我工作用的就是社区版，设置正常的话不会比商业版差。以前游说头头用Intel Compiler，他说不想花钱，而且差不了多少，就一直用到现在。

		自动登录	找回密码
密码			注册

[信息技术] C++ 提速的新发现

评分

浏览过的版块